手机上自己如何做网站,把网页挂到wordpress,谷歌官方网站登录入口,北京网络营销推广目录 #x1f4a5;1 概述
#x1f4da;2 运行结果
#x1f389;3 参考文献
#x1f468;#x1f4bb;4 Matlab代码 #x1f4a5;1 概述
强化学习研究的是Agent和环境交互中如何学习最优策略#xff0c;以获得最大收益。Agent需要能够观察环境(observe)所处的状态1 概述
2 运行结果
3 参考文献
4 Matlab代码 1 概述
强化学习研究的是Agent和环境交互中如何学习最优策略以获得最大收益。Agent需要能够观察环境(observe)所处的状态评判value状态下每个动作的价值并选出最优的动作act来和环境交互。因此observevalue和act是强化学习Agent必不可少的元素。
对于复杂的问题state维度非常大我们很难基于tabular method来判断每一个(state, action)的价值。这种情况下我们利用function approximation方法构建一个深度神经网络(Deep-Q Network, DQN)来估计(state, action)的价值。value()中Deep-Q Network模块就是一个神经网络输入是atari game中的一帧图像输出是每个action的价值。
强化学习指的就是Agent与环境交互不断强化不断学习最终找到解决问题的最优策略那么学习learn就是强化学习必不可少的元素。在深度强化学习中主要关注的就是DQN权重的学习与深度神经网络的学习很相近都是算一个loss然后通过back-prop更新权重。
2 运行结果 主函数部分代码
% RunDQN.m
clear; clc; close all;
tic; % First specify if you use Octave (true) or Matlab (false)
Octave false; % Set State for Random Generator
if Octave rand(state, 895647); % 895647
else rng(895647);
end global fieldHeight
global fieldWidth
global Memory % Fix size of the Pong Field
fieldHeight 64;
fieldWidth 32; % ---------------------- Step 1: Initializazion ------------------------ %
% ---------------------- 1. Setup Learning Parameters ------------------ % if Octave StartLearning 1600 ; % # of Random Episodes before Learning starts NEpisodes 20000; % Octave is much slower but this works as well (at least on Windows?) LearningRate 6e-1 ; MaxMemory 1e4 ; % Size of the Memory (Again smaller for Octave) UpdateTarget 4001 ; % Periode with which Target is updated
else StartLearning 5000 ; % # of Random Episodes before Learning starts NEpisodes 46000; LearningRate 4e-1 ; MaxMemory 1e5 ; % Size of the Memory UpdateTarget 10001; % Periode with which Target is updated
end
3 参考文献
[1]董永峰,杨琛,董瑶等.基于改进的DQN机器人路径规划[J].计算机工程与设计,2021,42(02):552-558.DOI:10.16208/j.issn1000-7024.2021.02.037.
4 Matlab代码
